Содержание к диссертации
Введение
Глава I. Современное состояние разработок волнового твердотельного гироскопа 11
1.1. Обзор разработок ВТГ 11
1.2. Дрейф волны и основные причины его возникновения 20
1.3. Определение угла поворота ВТГ по измеренным значениям угла волны 29
1.4. Выводы по первой главе 36
Глава II. Стендовые исследования дрейфа волны ВТГ 37
2.1. Влияние температуры на систематическую составляющую дрейфа волны ВТГ 40
2.2. Влияние ускорения на дрейф волны ВТГ 44
2.3. Влияние угловой скорости и температуры на масштабный коэффициент ВТГ 48
2.4. Выводы по второй главе 56
Глава III. Калибровка ВТГ с использованием нейронных сетей 58
3.1. Краткие сведения из теории нейронных сетей 60
3.2. Обучение нейронной сети 71
3.3. Алгоритм калибровки ВТГ с применением нейронных сетей 78
3.4. Выводы по третьей главе 87
Глава IV. Экспериментальная проверка эффективности нейросетевой калибровки ВТГ 89
4.1. Экспериментальное исследование точности определения угла ориентации ВТГ в статических положениях 90
4.2. Экспериментальное исследование точности определения угла ориентации ВТГ при его вращении 98
4.3. Анализ точности калибровки ВТГ при летных испытаниях 107
4.4. Выводы по четвертой главе 118
Выводы 120
Заключение 123
Список литературы 124
Приложение 1 131
- Дрейф волны и основные причины его возникновения
- Влияние температуры на систематическую составляющую дрейфа волны ВТГ
- Краткие сведения из теории нейронных сетей
- Экспериментальное исследование точности определения угла ориентации ВТГ в статических положениях
Введение к работе
Актуальность работы. Развитие навигационного приборостроения связано с появлением новых и необходимостью более качественного решения уже существующих задач. Это определяет жесткие требования, предъявляемые к навигационным приборам по надежности, точности, габаритам, массе и энергопотреблению, длительности рабочего ресурса при низких и высоких температурах, электромагнитном излучении, высоких перегрузках и вибрациях.
Одним из перспективных навигационных датчиков является волновой твердотельный гироскоп (ВТГ). Принцип действия ВТГ основан на свойстве изгибных колебаний тонкостенного полусферического резонатора, изготовленного из кварцевого стекла, сохранять ориентацию в пространстве. При вращении ВТГ положение изгибных колебаний полусферического резонатора (угла волны) изменяется пропорционально углу поворота резонатора, причем коэффициент пропорциональности (масштабный-коэффициент) отличен от единицы. Измерение угла волны позволяет найти угол поворота резонатора относительно инерциального пространства.
Основным достоинством ВТГ является простота конструкции и отсутствие вращающихся механических частей. Чтобы ВТГ удовлетворял перечисленным требованиям, необходимо выполнение следующих условий:
- наличие материалов со стабильными характеристиками;
высокое качество изготовления деталей и сборки гироскопа, обеспечивающее высокую добротность и изотропность полусферического резонатора, высокую стабильность характеристик ВТГ;
надежное программно-математическое обеспечение систем съема информации и поддержания заданной амплитуды и квадратуры колебаний резонатора;
- высокоточная и корректная математическая модель зависимости угла
поворота ВТГ от угла волны.
Использование современных технологий и материалов позволяет выполнить требования первых трех пунктов на заданном уровне. Как следствие, появляется возможность повышения точности ВТГ за счет уточнения математической модели зависимости угла поворота ВТГ от угла. волны.
Существующие модели основываются на разложении в ряды Фурье масштабного коэффициента и систематической составляющей дрейфа волны ВТГ. Основным недостатком таких моделей является сложность учета влияния температуры, ускорений и других факторов на дрейф волны, требующая более глубокого изучения физических процессов и методов их описания.
В настоящее время перспективным направлением моделирования различных физических процессов является использование искусственных нейронных сетей, позволяющих после предварительного обучения реализовывать трудно формализуемые зависимости значений выходных величин от известного набора входных. Поэтому представляется весьма актуальным использование искусственных нейронных сетей для решения задачи калибровки ВТГ. Этой теме и посвящена диссертационная работа.
Целью диссертационной работы является создание метода и алгоритмов калибровки ВТГ на основе нейросетевой технологии.
Для достижения этой цели были поставлены и решены следующие задачи:
экспериментальное исследование характера влияния различных возмущающих факторов на дрейф волны и выявление основных закономерностей;
определение параметров используемой для решения задачи калибровки ВТГ нейронной сети;
- реализация математической модели нейронной сети и алгоритмов её
обучения на базе технологических и бортовых ЭВМ;
построение системы алгоритмов обработки информации ВТГ с учетом применения в их составе нейронных сетей;
математическое моделирование нейросетевьгх алгоритмов калибровки твердотельного волнового гироскопа;
проведение экспериментальных исследований нейросетевьгх алгоритмов калибровки волнового твердотельного гироскопа.
При решении поставленных задач использовались методы:
- структурного и объектно-ориентированного программирования на
языках высокого уровня;
математического моделирования нейросетевых алгоритмов калибровки ВТГ;
обучения и настройки нейронных сетей;
полунатурного моделирования на лабораторных стендах;
статистической и нейросетевой обработки данных натурных работ, в том числе летных испытаний.
Научная новизна полученных результатов состоит в следующем:
- на примере гироскопа ТВГ-3 проведена экспериментальная проверка
теоретической модели дрейфа волны ВТГ при изменении угловых скоростей
в диапазоне до 400 /с;
- показано, что использование- искусственной нейронной сети типа
многослойный персептрон, имеющей один скрытый слой с 20^30 нейронами,
при калибровке ВТГ обеспечивает компенсацию систематического дрейфа с
погрешностью не более 1%, а компенсацию погрешности масштабного
коэ ф фициента - не более 0,1%;
- создан и апробирован метод настройки искусственной нейронной сети
с использованием высокоточного технологического стенда Acutronic;
- создан алгоритм калибровки ВТГ, основанный на применении
нейронных сетей и обеспечивающий повышение точности датчика в
диапазоне температур от -40 С до +60 С и при угловых скоростях до
400 7с;
- показана возможность использования нейронной сети для обработки
первичной информации в алгоритмах БИНС.
Положения диссертации, выносимые на защиту:
- реализованная с помощью искусственных нейронных сетей
зависимость угла поворота ВТГ от угла волны и температуры, которая
адаптирована к применению в составе бортового оборудования;
метод калибровки волновых твердотельных гироскопов с помощью нейронных сетей, обеспечивающий повышение их точности в диапазоне температур от -40 С до +60 С и при угловых скоростях до 400 7с;
алгоритм построения обучающих выборок и обучения искусственных нейронных сетей для калибровки ВТГ в лабораторных условиях;
- способ использования нейронных сетей в алгоритмах обработки
измерительной информации БИНС, повышающий точность счисления,
основных навигационных параметров в 2-3 раза.
Практическая ценность и внедрение результатов работы:
- на примере ТВГ-3 экспериментально подтверждена теоретическая
модель дрейфа волны ВТГ при изменении угловых скоростей в диапазоне до
400 7с;
- с использованием нейронных сетей реализованы зависимости
систематической составляющей дрейфа волны ВТГ и масштабного
коэффициента от угла волны и температуры, адекватно описывающие
поведение погрешностей ВТГ в диапазоне температур от -40 до +60 С и при
угловых скоростях до 400 7с;
разработана методика использования нейросетевых алгоритмов для решения задачи калибровки ВТГ, включающая рекомендации по выбору параметров модели нейронной сети;
разработанные алгоритмы калибровки ВТГ доведены до практической реализации в виде программного кода, внедренного в состав вычислителей.
Материалы исследований использованы при выполнении этапов НИР «Зигзаг», НИР «АРТИК», ОКР по разработке ВТГ, проводимых ЗАО «Инерциальные технологии «Технокомплекса». Внедрение подтверждается соответствующими актами.
Апробация диссертационной работы. Результаты диссертационной работы докладывались и обсуждались на различных российских и международных конференциях, в том числе на:
- международной конференции «Авиация и космонавтика» (МАИ, г. Москва) в 2007 году;
всероссийской конференции молодых ученых и студентов «Информационные технологии в авиационной и космической технике» (МАИ, г. Москва) в 2008 году;
международном научно-техническом семинаре «Современные технологии в задачах управления автоматики и обработки информации» (г. Алушта, Украина) в 2007 и 2008 годах.
Личный вклад автора. Все научные положения, обладающие новизной
и выносимые на защиту, разработаны лично автором или при его решающем
вкладе в исследования, выполненные совместно с учеными и специалистами
Московского авиационного института, ОАО «Раменское
приборостроительное конструкторское бюро» и ЗАО «Инерциальные технологии «Технокомплекса».
По теме диссертации опубликованы следующие работы:
Бабиченко А.В., Некрасов А.В. Математические модели нейронных' сетей в задачах пилотажно-навигационного комплекса // Авиакосмическое приборостроение, №11, 2008.
Джанджгава Г.И., Бабиченко А.В., Требухов А.В., Некрасов А.В. Нейросетевой алгоритм калибровки волнового твердотельного гироскопа // Инженерная физика, №9, 2010.
Бабиченко А.В., Некрасов А.В. Решение задачи прогнозирования в комплексных системах с применением нейронных сетей // 6-я международная конференция "Авиация и космонавтика 2007", Москва, 2007.
Бабиченко А.В., Некрасов А.В. Нейросетевой алгоритм решения топливо-временных задач пилотажно-навигационного комплекса ЛА // Информационные технологии в авиационной и космической технике -2008, Москва, 2008.
Бабиченко А.В., Некрасов А.В. Разработка и исследование нейросетевой технологии оценивания в задачах комплексной обработки информации интегрированных комплексов бортового оборудования // Современные технологии в задачах управления автоматики и обработки информации: Труды XVI Международного научно-технического семинара. Алушта, сентябрь 2007 г. - СПб.: ГУАП, 2007.
Бабиченко А.В., Некрасов А.В. Нейросетевой алгоритм решения топливо-временных задач ПНК // Современные технологии в задачах управления автоматики и обработки информации: Труды XVII Международного научно-технического семинара. Алушта, сентябрь 2008 г. - СПб.: ГУАП, 2008.
Отчет по НИР «Исследование методов и алгоритмов решения задач навигации, управления и наведения перспективного авиационного робототехнического комплекса фронтовой авиации» (шифр «Артик»). ОАО «Раменское приборостроительное конструкторское бюро». Договор № 73018 от 29.03.2007. Руководитель темы Шерман В.М. -Раменское, 2007.
Структура и объем диссертации. Диссертация объемом 153 страницы состоит из введения, 4 глав, выводов, заключения, списка литературы из 81 наименования, а также четырех приложений. В диссертации содержится 63 рисунка и 20 таблиц.
Дрейф волны и основные причины его возникновения
Широкое применение ВТГ ограничивается сложным видом зависимости скорости изменения угла волны (дрейфа волны) от величины угла поворота гироскопа и её большой нестабильностью. Исследования по определению причин возникновения дрейфа волны и способов его уменьшения проводились с США и России (СССР). По данным исследований, дрейф волны определяется механическими дефектами изготовления резонатора, шумом и нестабильностью параметров электронных систем съема информации и управления ВТГ, неравномерностью зазора между резонатором и кольцевым электродом, посредством которого реализуется параметрическое возбуждение [27, 37, 38]..
В результате были сформулированы основные требования для создания точного ВТГ, включающие необходимость обеспечить следующее: 1) стабильные характеристики используемых материалов; 2) высокое качество изготовления деталей и сборки гироскопа; 3) программно-математическое обеспечение систем съема информации и поддержания заданной амплитуды и квадратуры колебаний резонатора; 4) математическую модель зависимости угла поворота гироскопа от угла волны При выполнении первых трех условий возникает задача определения угла поворота ВТГ относительно основания по измеренному значению угла волны. Для этого используются теоретические модели, определяющие основные причины дрейфа волны с целью его компенсации. Так, в соответствие с работами В.Ф. Журавлева, Д.М. Климова, Ю.К. Жбанова, Н.Е. Егармина [21, 22, 27, 30] дрейф волны в можно представить в виде суммы систематической составляющей г? и зависящей от угловой скорости составляющей у/: В работах [22, 30] проводится анализ основных причин, влияющих на дрейф волны ВТГ, и определяется систематическая составляющая дрейфа волны относительно резонатора: где: в - текущее угловое положение волны; Е - интенсивность колебаний; iV - эллиптичность колебаний; к1 - коэффициенты; г0 - радиус резонатора; V -частота собственных колебаний; т{ - время затухания амплитуды стоячей волны вдоль оси максимальной добротности; т2 - время затухания амплитуды стоячей волны вдоль оси минимальной добротности; (рх - угол ориентации консервативного дефекта оболочки; (р2 - угол ориентации диссипативного дефекта оболочки; ft - параметр, определяющий мощность возбуждения //-(TJ -Т2) 2; Av - разность собственных частот резонатора; у- фазовый сдвиг между фазой колебаний оболочки и фазой импульса параметрического возбуждения. Слагаемые формулы (1.4) определяются представлением колебаний в полусферическом резонаторе с использованием уравнений двух одномерных маятников и зависят от Е и N: N = 2-a-q, где а - амплитуда колебаний волны резонатора, q - квадратура колебаний волны резонатора. Условием функционирования ВТГ является условие q = 0. Для этого в гироскопе предусмотрена система коррекции, однако в действительности случайные погрешности в измерении квадратуры приводят к отличию от нуля q и N {q«a), что является причиной возникновения дрейфа. Величина первого слагаемого в формуле (1.4) определяется небольшим нарушением осевой симметрии, приводящим к возникновению двух собственных частот маятников о){ и 0)2. 2. Положение осей нормальных колебаний в таком резонаторе относительно оболочки задается в (1.4) углом 1\, который указывает направление собственной оси с меньшей из двух собственных частот. Второе слагаемое в (1.4) определяет дрейф, связанный с нелинейностью колебательной системы. Третье слагаемое в (1.4) представляет собой систематический дрейф стоячей волны, связанный с неоднородной диссипацией энергии упругих колебаний. Наличие в резонаторе диссипативных дефектов приводит к появлению двух осей диссипации, расположенных под углом 45 друг к другу и имеющих разные постоянные времени затухания колебаний Tj И Т2. Ориентация этих осей диссипации устанавливается в (1.4) углом (р2, который указывает направление оси диссипации с меньшим демпфированием (с большей постоянной времени). Четвертое слагаемое в (1.4) определяет, что система параметрического возбуждения может создавать дрейф (при N 0), величина которого пропорциональна мощности возбуждения и фазовому сдвигу между фазой колебаний оболочки и фазой импульса возбуждения.
Влияние температуры на систематическую составляющую дрейфа волны ВТГ
Сложная зависимость угла поворота ВТГ от угла волны и температуры, определенная в главе 2, делает актуальным поиск алгоритмов, способных её учитывать. В этом свете представляет интерес использование алгоритмов, основанных на применении нейронных сетей. Достоинством этих алгоритмов является возможность за счет своей структуры и алгоритмов обучения реализовывать сложные функциональные зависимости элементов выходного вектора значений от элементов входного.
Данное направление начало формироваться в середине 40-х годов ХХ-го века в США с основной целью: применить для решения математических задач структуры, сходные по организации вычислений с нейронами головного мозга. Основа была заложена учёными У. Мак-Каллоком, Э. Хеббом, Ф. Розенблатом, У. Питтсом [40, 49, 59]. Активные исследования 50-х - 60-х годов сменились упадком интереса в конце 60-х - 70-х годах, связанного с работами М. Минского, С. Пейперта, доказывающими ограниченность возможностей нейронных сетей [45, 76].
Накопление знаний в области исследования головного мозга, а также значительный прогресс в области микроэлектроники и компьютерной техники, обусловили возобновление интереса к исследованию нейронных сетей с конца 70-х - начала 80-х годов. Значительный вклад в теорию нейронных сетей внесли работы Д. Хопфилда, посвященные нейросетевым моделям с обратными связями [62-64], Т. Кохонена, рассмотревшего самоорганизующиеся карты [67, 68], Д. Брумхеда и Д. Лове, предложивших алгоритм построения многослойной нейронной сети на основе радиальных базисных функций [57]. Разработка в 1986 году Д. Руммельхартом, Р. Вильямсом, Г. Хинтоном [78] и параллельно СИ. Барцевым и В.А. Охониным [7, 8] алгоритма обратного распространения позволила значительно расширить область применения нейронных сетей.
В настоящее время вследствие совершенствования вычислительной техники продолжается активное развитие теории нейронных сетей. Область применения нейронных сетей постоянно расширяется. Нейросетевые технологии находят применение не только в исследовательских целях, но и при решении широкого круга практических задач: распознавание текста в программе FineReader компании «ABBYY», распознавание лиц людей, распознавание объектов, решение задачи управления ЛА [10, 77], обеспечение задач группового маневрирования ЛА [66, 70], обработка измерительной информации [4]. Становится возможным поставить задачу синтеза алгоритмов калибровки ВТГ, основанных на применении нейронных сетей.
Нейронные сети представляют собой вычислительные структуры, моделирующие простые биологические процессы, обычно ассоциируемые с процессами головного мозга человека. Модель нейронной сети можно представить в виде распределенной и параллельной системы, способной к адаптивному обучению путем анализа положительных и отрицательных воздействий.
Элементарным преобразователем в таких сетях является искусственный нейрон, состоящий из элементов трех типов: умножителей (синапсов), сумматора и нелинейного преобразователя (рисунок 3.1). Синапсы осуществляют связь между нейронами, умножают входной сигнал х{, х2,. на весовые коэффициенты wx, w2,. w„, характеризующие силу связи. Сумматор выполняет сложение сигналов, поступающих по синаптическим связям от других нейронов, и внешних входных сигналов . Нелинейный преобразователь реализует нелинейную функцию у выхода сумматора s. Эта функция называется функцией активации или передаточной функцией нейрона.
Краткие сведения из теории нейронных сетей
Нейронные сети являются перспективным направлением решения ряда задач, в которых требуется реализация трудно формализуемых зависимостей значений выходных величин от известного набора входных. 2. Применение нейронных сетей позволяет сформировать модель зависимости систематической составляющей дрейфа и масштабного коэффициента от угла волны ВТГ и температуры. 3. Эффективным средством решения этой задачи является нейронная сеть типа многослойный персептрон, настройка коэффициентов которого выполняется методом гибкого обратного распространения ошибки. 4. Обучающая выборка, полученная при экспериментах с неподвижным ВТГ и включающая в качестве элементов входного вектора значения: - температуры в диапазоне от -40 С до +60 С с шагом изменения 10 С; - угла волны в диапазоне от -90 до +90 с шагом изменения 10, а в качестве элементов выходного - значения систематической составляющей дрейфа волны, рассчитанные по измерениям в течение трех минут, обеспечивает задание математической модели зависимости систематической составляющей дрейфа волны с требуемой точностью. Обучающая выборка, полученная при экспериментах с угловой скоростью вращения ВТГ 5 /с и включающая в качестве элементов входного вектора значения: - температуры в диапазоне от -40 С до +60 С с шагом изменения 10 С; - угла волны в диапазоне от -90 до +90 с шагом изменения 10, а в качестве элементов выходного - значения масштабного коэффициента, рассчитанные по непрерывным измерениям приращений угла волны и угла поворота гироскопа, обеспечивает задание математической модели зависимости масштабного коэффициента ВТГ с требуемой точностью. 6. Для компенсации систематической составляющей скорости дрейфа волны достаточно трехслойной нейронной сети, содержащей 30 нейронов в скрытом слое, а для компенсации погрешности масштабного коэффициента -20 нейронов в скрытом слое. 7. Среднее время обучения нейронной сети на сформированных обучающих выборках для задания систематической составляющей дрейфа волны составляет 3,1 секунды, а для масштабного коэффициента - 0,8 секунды. 8. Общее время, необходимое для проведения калибровочных экспериментов по определению систематической составляющей дрейфа волны и масштабного коэффициента, составляет 16 часов (это время включает в себя подготовку обучающих выборок для разных значений входных параметров). С целью определения возможности практического применения нейросетевого алгоритма определения угла поворота ВТГ относительно основания в зависимости от угла волны и температуры необходимо оценить его эффективность и точность. Эксперименты по определению эффективности нейросетевых алгоритмов калибровки ВТГ проводились с использованием стенда полунатурного моделирования, включающего в себя: - высокоточный стенд Acutronic, обеспечивающий формирование эталонной информации о вращении гироскопа; - волновой твердотельный гироскоп ТВГ-3 № 25, установленный в курсовой канал БИНС-ТВГ и имеющий величину дрейфа от запуска к запуску при постоянном значении температуры 0,1.. 0,3 7час; - базовые алгоритмы калибровки на основе рядов Фурье; - нейросетевые алгоритмы калибровки; - накопитель информации; - ЭВМ обработки данных. Проводимые с использованием лабораторного стенда эксперименты позволяют определить точность ВТГ, достигаемую при использовании нейросетевых алгоритмов калибровки, и провести сравнение с базовым алгоритмом, основанным на применении рядов Фурье (далее - базовый алгоритм).
Также оценивается точность определения ориентации с использованием сравниваемых алгоритмов по результатам летных испытаний на примере полетов самолета Ан-72 с установленной на борту системой БИНС-ТВГ, включающей три гироскопа ТВГ-3, три акселерометра и датчик температуры.
При экспериментах по определению точности использования нейросетевых алгоритмов БИНС-ТВГ помещалась в термокамеру высокоточного стенда Acutronic. Затем проводился вывод в рабочий режим гироскопа, установленного в курсовой канал БИНС-ТВГ. В течение 30 минут включенный гироскоп находился в термокамере для уменьшения влияния температуры на дрейф волны ВТГ и после этого проводился съем данных.
Рассмотрим точность определения угла поворота ВТГ на примере запусков при заданной температуре. Измерительная ось гироскопа устанавливалась с использованием калибровочного стенда в вертикальное положение. За счет вращения вокруг измерительной оси угол волны изменялся с шагом 5 в диапазоне от -90 до +90. Время измерения на каждом угле волны составляло 5 минут.
Экспериментальное исследование точности определения угла ориентации ВТГ в статических положениях
Создание высокоточного ВТГ для навигационных систем требует значительного снижения его погрешностей, которое может быть обеспечено путем учёта в модели зависимости угла поворота ВТГ от угла волны, температуры и других факторов. Для синтеза такой модели необходимо проведение экспериментальных исследований с опытными образцами, при этом в качестве теоретической основы может быть принята известная модель погрешностей ВТГ.
Использование лабораторного оборудования на базе прецизионного стенда Acutronic и технологической ЭВМ обеспечивает проведение необходимых экспериментов, позволяющих установить, что: а) для систематической составляющей дрейфа волны ВТГ: - зависимость от угла волны и температуры имеет период 180, а её амплитуда при увеличении температуры уменьшается (максимальный размах наблюдается при температуре -40 С и равен 3,5 7ч, минимальный - при температуре +60 С и равен 0,7 7ч); - при изменении температуры от -40 С до +60 С фаза характеристики сдвигается на 16; - нестабильность при изменении ускорений от —g до g не превышает 0,03 7ч, причем вид этой зависимости имеет случайный характер, б) для масштабного коэффициента ВТГ: - зависимость от угла волны и температуры при постоянной угловой скорости имеет период 180, а его амплитуда при увеличении температуры уменьшается (при температуре 0 С величина амплитуды составляет 1,3% от величины масштабного коэффициента, при температуре +60 С - 0,15% от величины масштабного коэффициента); 120 - при изменении угловой скорости от ОД % до 400 % при постоянной температуре изменение амплитуды составляет 0,02% от величины масштабного коэффициента. 3. Достаточно стабильный характер зависимости дрейфа волны от угла волны и температуры позволяет ставить задачу синтеза алгоритма определения угла ориентации ВТГ. 4. Проведенные исследования показали, что эффективным средством задания модели зависимости систематической составляющей дрейфа волны ВТГ и масштабного коэффициента от угла волны и температуры является нейронная сеть типа многослойный персептрон, настройка коэффициентов которого выполняется методом гибкого обратного распространения ошибки. 5. Параметры нейросетевой модели зависимости систематической составляющей дрейфа волны ВТГ и масштабного коэффициента от угла волны и температуры уверенно определяются по результатам калибровочных экспериментов общей длительностью 16 часов, при этом остаточная погрешность определения систематической составляющей не превышает 1%, а масштабного коэффициента - 0,05%. 6. Полунатурное моделирование нейросетевых алгоритмов калибровки ВТГ позволяет определить, что: а) для неподвижного гироскопа: - точность определения угла ориентации с использованием базового и нейросетевых алгоритмов компенсации при температуре 20 С различаются незначительно; - при уменьшении и увеличении температуры ошибка определения угла ориентации ВТГ для базового алгоритма возрастает, а для нейросетевого алгоритма остается на прежнем уровне (ошибки базового алгоритма составляют 1,28 /ч при температуре -40 С и 0,51 /ч при температуре 60 С, ошибки нейросетевого алгоритма составляют 0,054 /ч при температуре -40 С и 0,043 /ч при температуре 60 С), 121 б) для вращающегося гироскопа: - точность определения угла ориентации с использованием базового и неиросетевых алгоритмов компенсации при температуре 20 С различаются незначительно; - при уменьшении и увеличении температуры ошибка определения угла ориентации ВТГ для базового алгоритма возрастает, а для нейросетевого алгоритма остается на прежнем уровне (при температуре -40 С, угловой скорости 5 % и времени вращения 5 минут ошибка для базового алгоритма составляет 1,4, а для нейросетевого алгоритма - 0,06; при температуре 60 С - для базового алгоритма — 0,7, для нейросетевого алгоритма - 0,07). Таким образом, точность калибровки ВТГ с использованием неиросетевых алгоритмов в среднем в 2-3 раза выше, чем при использовании базовых. 6. Моделирование алгоритмов калибровки ВТГ по результатам летных экспериментов позволяет установить, что использование неиросетевых алгоритмов при обработке инерциальной информации в БИНС значительно уменьшает ошибки счисления: - составляющих скорости с 16.. 26 м/с до 6.. 8 м/с; - географических координат с 79.. 82 км до 14.. 28 км за час полета, то есть в среднем в 2-3 1. Проведено экспериментальное исследование влияния различных факторов на дрейф волны опытных образцов ВТГ с целью экспериментального подтверждения теоретической модели погрешностей ВТГ и уточнения его калибровочной модели. 2. Предложены алгоритмы калибровки ВТГ, основанные на применении нейронных сетей и позволяющие учитывать зависимость дрейфа волны ВТГ от величины угла волны и температуры, обеспечивающие повышение точности прибора в диапазоне измеряемых угловых скоростей до 400 /с. 3. Разработаны и исследованы методы построения экспериментальных обучающих выборок для обучения моделей нейронных сетей в бортовых и технологических компьютерах, применение которых обеспечивает калибровку прибора для температур от -40 С до +60 С и угловых скоростей до 400 %. При этом общее время калибровки, включая подготовку обучающих выборок, составляет 16 часов. 4. Проведенное полунатурное моделирование с использованием высокоточного стенда Acutronic показало, что использование нейросетевых алгоритмов калибровки обеспечивает точность определения ориентации гироскопа не хуже 0,1.. 0,2 /ч в диапазоне изменения температур от -40 С до +60 С, что позволяет использовать волновой твердотельный гироскоп ТВГ-3 для создания навигационных систем средней точности. 5. Моделирование по данным летных экспериментов позволяет сделать вывод о том, что применение нейросетевых алгоритмов при обработке инерциальной информации в БИНС повышает точность навигационных определений в 2-3 раза по сравнению с базовым алгоритмом, основанным на применении рядов Фурье.
